Écart entre milieu rural et milieu urbain : différences dans les caractéristiques des blessures
Notice bibliographique
Résumé
Contexte Les blessures se classent parmi les dix principales causes de décès au Canada. Cependant, les types et les taux de blessures varient en fonction du type de milieu, rural ou urbain. Les taux de blessures augmentent avec la ruralité, particulièrement les blessures liées à des collisions de véhicules motorisés. Le type de travail, un environnement dangereux et de longues distances à parcourir sont des facteurs qui contribuent aux différences entre les taux de blessures en milieu rural et ceux en milieu urbain. Il faut approfondir les analyses des blessures en fonction du type de milieu (rural‑urbain), en particulier en ce qui concerne la nature et la gravité des blessures. Méthodologie La population à l’étude provient des données de 2011 à juillet 2017 de la base électronique du Système canadien hospitalier d’information et de recherche en prévention des traumatismes (eSCHIRPT). Le type de milieu (rural ou urbain) a été déterminé à partir du code postal de Postes Canada. On a calcué les rapports proportionnels des blessures (RPB) afin de comparer les taux de blessures en milieu rural et ceux en milieu urbain en fonction de la nature et de la gravité des blessures ainsi que du sexe et de plusieurs autres facteurs. Résultats En milieu rural, les cas de blessures étaient plus susceptibles d’être des blessures multiples (RPB = 1,66 pour 3 blessures) et des lésions par écrasement (RPB = 1,72). On a relevé des RPB un peu moins élevés en ce qui concerne les morsures d’animaux (1,14), les brûlures (1,22), les lésions oculaires (1,32), les fractures (1,20) et les blessures aux muscles ou aux tissus mous (1,11). Par comparaison avec celles survenues en milieu urbain, les blessures survenues en milieu rural étaient plus graves, davantage susceptibles d’entraîner une hospitalisation (1,97) et d’être attribuables à une collision impliquant un ou plusieurs véhicules motorisés (2,12). Conclusion La nature des blessures survenues en milieu rural diffère de la nature des blessures survenues en milieu urbain. Il faudrait réviser les programmes en vigueur en matière de prévention des blessures en milieu rural afin de combler l’écart dans les taux de blessures entre les deux milieux.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».